-
-
파이토치 첫걸음 - 딥러닝 기초부터 RNN, 오토인코더, GAN 실전 기법까지 ㅣ 머신러닝/딥러닝 첫걸음 시리즈
최건호 지음 / 한빛미디어 / 2019년 6월
평점 : 
이 글에는 스포일러가 포함되어 있습니다.
인공지능 안에 머신러닝이 있고,
머신러닝안에 딥러닝이 있다.
@_@ 하면서 헛갈린다면
이 책을 추천한다.
파이썬에 관한부분은 기본적 지식이 있다는 전제하에 서술되지만
그외 머신러닝과 딥러닝은
하나하나 친절하게 설명해주는 책이다.
인공지능 = 기계가 인간이 인지 과정을 모방하는 것
머신러닝 = 명시적으로 프로그래밍 x 상태에서 기계에게 학습 능력을 부여하는 것
ex) 지도학습 : 데이터와 정답의 상관관계 모델링, 어떤게 강아지 사진인지 - 아닌지 구분
비지도학습 : 데이터만 있고 정답이 존재하지 않는 상황에서 데이터에 숨겨진 특정 패턴을 찾는 과정, 군집화 알고리즘이 대표적인 경우
강화학습 : 특정 환경에서 어떤 행동을 했을 때 결과로 얻어지는 보상을 통해 학습하는 알고리즘.
=>최종 보상을 극대화
바둑으로 두면 어디에 두는게 최고의 수인지 선택을하고, 선택으로 주어진 새로운 환경에서 또다시 선택을 하는 과정 (최근에는 보상을 사용하지 않는 강화학습도 존재)
파이토치를 써야하는 이유?
넘파이 등도 있지만,
1)x,y,z 세 변수에 대해 기울기를 계산할때
넘파이 : 일일이 미분 코드를 작성
파이토치 : backward()로 끝
2)CUDA, cuDNN이라는 API를 통해 GPU를 연산에 사용할 수 있다. 이로 인해 생기는 연산 속도의 차이는 엄청 크다.
[CUDA: 그래픽카드를 만드는 엔비디아가 GPU를 통한 연산을 가능하게 만든 APU,
cuDNN은 CUDA를 이용해 딥러닝 연산을 가속해주는 라이브러리이다.]
1.아나콘다 설치
2.CUDA설치
3. cuDNN을 설치한다.
이후 파이토치를 설치한다.
실행방법은 다음과 같다
python
import torch
cpu_tensor = torch.zeros(2,3)
device = torch.device("cuda:0")
gpu_tensor = cpu_tensor.to(device)
print(gpu_tensor)
방식으로 설치하며
책에 있는 실습을 진행하면 된다.
우리가 배워야하는 이유:
기존에는 컴퓨터에겐 쉽지만 인간에게 어려운 문제들 (계산, 연산) 을 요구했다.
이에 빟래 딥러닝 모델들은 기존 알고리즘으로 풀기 어려웠던 문제들, 사람에겐 쉽지만 컴퓨터에게 어려운 문제를 풀어나가고 있다.
이때 인간의 '감', '근거없음', '확실하진 않음'을 높은 수준으로 제공한다.
장점: 파이썬을 기초익히고, 처음 데이터분석을 접한다면 읽어보길 추천한다.
설명이 자세하고, 어려운 내용을 쉽게 풀어낸다.(적절한 예시는 덤이다.)
단점: AMD 그래픽카드를 쓰는경우에 대한 안내, 리눅스에 대한 안내가 부족
자세한 설명없이, 코드만을 원한다면, 실전연습이 더 많은 책을 추천
한줄요약: 머신러닝-딥러닝-파이토치의 '기본'을 쌓기 가장 좋은 책!